نظریه‌های خودکارسازی – ماتئو پاسکویینلی، ترجمه‌ی: سهیل رضانژاد

نظریه‌های خودکارسازی در اقتصاد سیاسی را می‌توان، برای سادگی بازنمایی، به سه دسته تقسیم کرد: نظریه‌های خودکارسازی ارزش‌محور، نظریه‌های خودکارسازی کارمحور، و نظریه‌های خودکارسازی دیدگاه‌محور. جستار حاضر در جست‌وجوی تبیینی متقاعدکننده و چارچوبی علّی برای توسعه‌ی فناوری می‌کوشد نگاهی دوباره به نظریه‌ی خودکارسازی کارمحور بیندازد…

مقدمه‌ی مترجم: مقاله‌ی حاضر شرحی نظری و سنتزی در تقاطع دو رشته‌ی دانشگاهی/پژوهشی است: از یک سو، اقتصاد سیاسی و از سوی دیگر، تاریخ علم و فناوری. این نقطه‌ی تقاطع در درازای زمان، مکان تولد ماشین‌هایی بوده که رابطه‌ای نه چندان ساده با انسان داشته‌اند. این رابطه‌ی مسئله‌ساز، اگر در عصر صنعتی کار مرده را پیش روی کار زنده‌ی کارگر می‌گذاشت و بدین ترتیب میانجی بیگانگی کارگر می‌شد، اکنون دستمایه‌ای شده از مرده پنداشتن بدن کارگری که راهی ندارد جز تحمل تنگی نفس ارزانی‌شده به او از خلال چرخ‌دنده‌های ماشینی عظیم. اما به قول دانا هاراوی این ماشین‌‌های عظیم «همه جا هستند و نامرئی‌اند».

آری، «ماشین‌های نوین بسیار پاکیزه و سبک هستند. مهندسان‌شان عابدان خورشیدند و بر روی انقلاب علمی تازه‌ای تأمل می‌کنند که با رویای شبانه درباره‌ی جامعه‌ای پساصنعتی مرتبط است.» اما آیا این نشانه‌ای است از این‌که پای ماشین‌های نوین به سرزمین ما باز نشده؟ آیا باید بپذیریم که هوش مصنوعی (مرادم تنها مدل‌های زبانی بزرگ (Large Language Models) چون چت‌جی‌پی‌تی و دیپ‌سیک است) فناوری شرکت‌های بزرگ و کشورهای ابرقدرت است؟ آیا ما چنان از روند توسعه بازمانده‌ایم که تنها این فناوری را، با خرید اشتراک و برای فعالیت‌هایی محدود، مصرف می‌کنیم؟ هدفم آن نیست که رویکردهای کهنه به توسعه را به چالش بکشم، زیرا تصور می‌کنم مسائل مهم‌تری هست که باید بدان‌ها پرداخت.

پاسکویینلی در این مقاله و نیز در کتاب چشم خدایگان[۱] نشان می‌دهد که بن و اساس آن‌چه امروزه هوش مصنوعی می‌نامیم، تقسیم کار اجتماعی است. به بیان دیگر، او تزی را پیش‌می‌نهد: ماشین حاصل فرایند خودکارسازی کار است. نکته‌ی کلیدی این‌جاست که خودکارسازی برای فرایند طبیعی یا زیستی رخ نمی‌دهد، بلکه آن‌چه خودکار می‌شود، فرایندی فرهنگی/تاریخی است (نگاه کنید به بحث آزمون تورینگ در همین مقاله). تصور می‌کنم اهمیت این نکته در آن است که می‌تواند ما را به سوی کشف پرسش‌های اساسی در رابطه با فناوری راهنمایی و مسائل و خطرات واقعی پیش روی ما را فاش کند. از این رو، به جای آن‌که نگران شویم که آیا روزی ماشین‌ها کمر به قتل انسان خواهند بست یا نه، بهتر است بپرسیم که تاثیر این فناوری بر بازار کار چه بوده است؟

نتیجه‌ی یافته‌ها و استدلال پاسکویینلی این است که «اگر سامانه‌های هوش مصنوعی را، مثلاً چت‌جی‌پی‌تی، از چشم‌انداز ترکیب‌بندی کار نگاه کنیم، بیش‌تر به یکی از تجلی‌های سرمایه‌داری پلت‌فرمی و اقتصاد گیگ می‌ماند که در واقع بازار کار را گسترش می‌دهند و دگرگون می‌کنند.» به عبارت دیگر، آن‌چه در الگوریتم‌های هوش مصنوعی با شمایلی تازه به ما عرضه شده، در واقع از مدت‌ها پیش بر بازار کار تحمیل شده و تاثیرات عمیقی بر جای گذاشته است. از این رو باید تاکید کنم که هدف اصلی من از ارائه‌ی بحث‌های پاسکویینلی خوانش تازه‌ای است که او، متاثر از مطالعات مردم‌شناختی و جامعه‌شناختی درباره‌ی کار گیگ و کار پلت‌فرمی، از الگوریتم‌های حاکم بر این میدان ارائه می‌کند.

چنان‌چه پیش‌تر در مطالعه‌ای مردم‌شناختی از بازار کار گیگ (رانندگان اسنپ) در ایران گفته‌ام[۲] ، یکی از تاثیرات کار گیگ برای رانندگان اسنپ از دست رفتن هویت «راننده» است، چنان‌چه «می‌توان از راننده‌ی اسنپ، هنگام رانندگی برای شرکت اسنپ، پرسید شغلش چیست؟ و هرگز وارد عرصه‌ی مهملات نشد». این از دست رفتن هویت شغلی پیامدهای بزرگی به هم‌راه دارد، به‌ویژه زمانی که لازم باشد مناسبات میان کارگر و کارفرما، مثلاً برای دستمزد بیش‌تر، به چالش کشیده شود. بدین ترتیب، جای خالی هویتی که می‌توانست دستمایه‌ی اتحاد میان کارگران برای مقاومت در برابر استثمار شود، امکان شکل‌گیری هرگونه اتحادی را از ذهن دور می‌کند.

هرچند این تنها یکی از وجوه پرشماری است که در رابطه با کار گیگ باید بدان پرداخت، اما تصور می‌کنم روشن‌گر مسئله‌ای اساسی برای آینده‌ی همه‌ی ما باشد: در شرایط کنونی و با ریشه دواندن الگوریتم‌های حاکم بر زندگی روزمره‌ی ما، چگونه می‌توان نیروهای خرد و تکه‌تکه‌ی کار گیگ را کنار هم آورد و سازمان‌دهی کرد؟ راه‌های مقاومت در برابر فناوری‌های مالکیت‌زدایی و کالایی‌سازی چه می‌تواند باشد؟ تا کنون چه تجربه‌های موثری در ایران و سایر کشورها رخ داده و چه درس‌هایی از آن می‌توان گرفت؟ و تا آن‌جا که به مقاله‌ی حاضر از پاسکویینلی مربوط است، کدام نظریه‌ها می‌توانند چشم‌انداز بهتری از آینده‌ی پیش رو به ما بدهند و ما را برای پراکسیس‌های آتی آماده کنند؟

در نبود چنین پرسش‌ها و فقدان برنامه‌ای عملی برای مقابله با رویه‌های کنونی، آینده نمی‌تواند چیزی جز افزایش فشار بر نیروی کار باشد. تجربه‌ی سال‌های اخیر از بی‌ثبات‌سازی بازار کار نتیجه‌ای جز این نداشته که کارگران به کار بیش از پیش واداشته شوند. چنان‌چه پاسکویینلی می‌گوید، الگوریتم‌های هوش مصنوعی که قرار بود ما را از زحمت کارکردن رها کنند، در عوض آن‌که جای کارگران را بگیرند، جای‌گزین خدایگان، رئیس‌ها و مدیران، شده است و ماشین امروز، به جای آن‌که ابزاری در دست کارگران باشد، کارگران را به اندام مصنوعی خود تبدیل کرده است.

***

از کارخانه‌ی صنعتی تا پلت‌فرم‌های هوش مصنوعی:

بررسی اقتصاد سیاسی و تاریخ علم و فناوری

مقدمه. چه نظریه‌هایی درباره‌ی خودکارسازی در حوزه‌های اقتصاد سیاسی و تاریخ علم و فناوری توسعه یافته‌اند و رابطه‌ی میان آن‌ها چیست؟ جستار حاضر می‌کوشد به شیوه‌ای قیاسی این دو حوزه را بررسی کند، با این ملاحظه که هدفْ تکرار مکررات درباره‌ی رابطه‌ی پسینی (ex-post) میان فناوری و جامعه و افزودن به گزارش‌های توصیفی نیست (هم‌چون گزارش‌هایی که به مطالعه‌ی «تأثیر» رسانه‌های نوین بر جامعه می‌پردازند)، بلکه هدف کنکاش پیشینی (ex-ante) مدل‌های علّی و گزارش‌های تبیینی درباره‌ی تاریخ فناورانه است. فناوری چگونه پیش‌رفت می‌کند؟ چرا فناوری به یک شیوه‌ی خاص، و نه شیوه‌ای دیگر، طراحی می‌شود؟

شکلِ برگرفته از مقاله‌ی «چگونه کمیته‌ها اختراع می‌کنند؟» نوشته‌ی ملوین کانوی.[۳]

در اقتصاد سیاسی، درباره‌ی نظریه‌ی پیش رو، توافقی جامع وجود دارد: رانه‌ی توسعه‌ی فناورانه‌ی مدیریت زمان (ساخت سریع‌تر چیزها) و نیز مدیریت فضا (سازمان‌دهی بهتر چیزها) دربرگیرنده‌ی نوعی مدیریت منابع (ساخت ارزان‌تر چیزها) و به‌ویژه کار (پرداخت دستمزد کم‌تر به افراد) است. مولفه‌ی کار، که بخشی از آنتاگونیسم اجتماعی گسترده‌تری نیز هست، اهمیت فراوان دارد. شیوه‌ی اندازه‌گیری کار و پرداخت اجرت آن، و این‌که آیا کارگران در برابر چنین اندازه‌گیری و اجرتی مقاومت می‌کنند یا نه، بر سیر تحول فناوری تأثیر بسیار گذاشته است. در نتیجه در حوزه‌ی اقتصاد سیاسی، ماتریس نیروهای رانه‌ی خودکارسازی را می‌توان دست‌کم از سه چشم‌انداز نگریست: سرمایه‌گذاری (جست‌وجوی سود)، طراحی تقسیم کار (صرفه‌جویی در هزینه‌ها)، و دیدگاه کارگران (مقاومت در برابر استثمار). بر همین اساس، نظریه‌های خودکارسازی در اقتصاد سیاسی را نیز می‌توان، برای سادگی بازنمایی، به سه دسته تقسیم کرد: نظریه‌های خودکارسازی ارزش‌محور (Value Theories of Automation)، نظریه‌های خودکارسازی کارمحور (Labour Theories of Automation)، و نظریه‌های خودکارسازی دیدگاه‌محور(Standpoint Theories of Automation).[۴] چنان‌چه در ادامه خواهیم دید، همه‌ی این مواضع آشکارا درهم‌تنیده و دیالکتیکی هستند. جستار حاضر در جست‌وجوی تبیینی متقاعدکننده و چارچوبی علّی برای توسعه‌ی فناوری می‌کوشد نگاهی دوباره به نظریه‌ی خودکارسازی کارمحور بیندازد (نظریه‌ای که حلقه‌ی گمشده‌ی میان نظریه‌های ارزش‌محور و دیدگاه‌محور است) و نوری بر سرچشمه‌های آن در اقتصاد سیاسی سده‌ی نوزدهمی بتاباند.

نظریه‌های خودکارسازی ارزش‌محور خودکارسازی را اغلب فرایندی پویا تلقی می‌کنند که الزامات سرمایه و چرخه‌های سرمایه‌گذاری، از بیرون بدان شکل می‌دهند. می‌توان رد چنین چشم‌اندازی را از کتاب درخشان ارنست مندل، سرمایه‌داری متاخر (1972)، تا رونق و حباب رابرت برِنر (۲۰۰۲) پی گرفت و حتی طنینش را در خودکارسازی و آینده‌ی کار آرون بناناو (۲۰۲۰) نیز شنید. می‌توان سرمایه و خودکارسازی رامین رامتین (۱۹۹۱) و مواضع نئوشومپتری (Smith 2004) را نیز، که در حلقه‌های مارکسیستی محبوبیت دارد، در این رویکرد گنجانید. این نظریه‌ها طرح خودکارسازی نوعی فرایند را توصیف می‌کنند که از بیرون و برای برآوردن نیازهای سرمایه «انتخاب» شده است: توسعه‌ی فناورانه بر اساس منطق خود رخ می‌دهد (مثلاً، با کاربست علم در تولید) و سپس سرمایه برای شتاب دادن به تولید و تضمین بازگشت سرمایه، مناسب‌ترین نوآوری‌ها را «انتخاب» می‌کند (Smith 2004).

نظریه‌های خودکارسازی کار‌محورْ خودکارسازی را از چشم‌انداز منطق مادی تولید و تقسیم کار، یا فرایند کار (یعنی از چشم‌انداز کار و نه بازار) شرح می‌دهند. در این سلسله مطالعات، شاید کار و سرمایه‌ی انحصاری نوشته‌ی هری بریورمن (۱۹۷۴) تأثیرگذارترین کتاب باشد، زیرا آغازگر نظریه‌ی فرایند کار و بحث مهارت‌زدایی در انگلستان و آمریکا است (Smith 2015). بریورمن سوای ملاحظات مربوط به ماشینی‌سازی کار یدی، پروژه‌ی ماشینی‌سازی کار ذهنی در «موتورهای محاسبه‌ی» ببج را نیز از نو کشف و بر تأثیر اقتصاد سیاسی بر آزمایش‌های آغازین ببج روی رایانش خودکار تأکید می‌کند. یکی دیگر از شرح‌های مهم، کتاب خودکارسازی نوشته‌ی فردریش پولاک (۱۹۵۶) است؛ پولاک بر نقش فناوری‌های اطلاعاتی در خط مونتاژ صنعتی تأکید می‌کند و بدین ترتیب بر دیدگاه‌های مکتب فرانکفورت درباره‌ی مفهوم عام فناوری تأثیر می‌گذارد (Lenhard 2024).

نظریه‌های خودکارسازی دیدگاه‌محورْ رانه‌ی خودکارسازی را آنتاگونیسم اجتماعی و سلسله‌مراتب‌های طبقه، جنسیت و نژاد می‌بینند، یعنی فرایندهای مطیع‌سازی که هم‌زمان فرایندهای مقاومت نیز هستند. مارکس (۱۸۶۷, ۵۵۲-۵۵۳) اشاره می‌کند که ماشین‌آلات «قدرت‌مندترین سلاح برای سرکوب اعتصاب هستند» و «می‌توان با گزارش اختراعات پس از ۱۸۳۰، که تنها هدفشان فراهم کردن سلاح برای سرمایه علیه شورش طبقه‌ی کارگر بوده است، روایت تاریخی کاملی به دست داد». تاریخ ماشین خراب‌کن‌ها و خرابکاری‌های فناورانه از دوران لادایت‌ها (Hobsbawm 1952) و مسئله‌ی ماشین‌آلات[۵] (Berg 1980) در سده‌ی نوزدهم، تا جنبش‌های فمینیستی و جنبش هکرها (Mueller 2021) در سده‌ی بیستم و «مقاومت الگوریتمی» در اقتصاد گیگ (Bonin and Treré ۲۰۲۴) در سال‌های اخیر ادامه داشته است. به‌ویژه اُپرایسموی[۶] ایتالیایی نقش مبارزه‌های کارگری را در پیش‌رفت‌های فناورانه‌ی سرمایه‌داری، کنشی اصلی قلمداد می‌کرد، نه کنشی ثانوی (Panzieri 1961; Tronti 1966). مثلاً الکواتی (Alquati 1962; 1963) در کارخانه‌ی تولید رایانه‌ی اُلیویِتی بر نقش محوری کارگران به عنوان تولیدکنندگان «اطلاعات ارزش‌گذار»[۷] در فرایند رایانیک (Cybernetic) تاکید می‌کند (Pasquinelli 2015). رویکردهای مشابه در ایالات‌متحده نیز مشاهده شده است، چنان‌چه دیوید نوبل نیز تمرکز جبرگرایانه‌ی بریورمن بر فرایند کار را نقد می‌کند (Nobel 1984).

خاستگاه اصطلاح «نظریه‌ی دیدگاه‌محور» مطالعات فمینیستی است. این نظریه با تأکید بر فردیتْ آن را هم‌چون نیرویی آنتاگونیستی و فعال در تولید دانش می‌بیند(Gurung 2020). بدین‌ترتیب نویسندگان فمینیست، از روث شواترز کوان (۱۹۸۳) تا آسترا تیلور (۲۰۱۸)، تاثیر دوگانه‌ی خودکارسازی بر کار بازتولید را (حوزه‌ای که اغلب در اقتصاد سیاسی نادیده می‌ماند، زیرا اقتصاد سیاسی در درجه‌ی نخست بر کار مولد متمرکز است) فاش کرده‌ و استدلال می‌کنند که خودکارسازی باعث شده زنان بیش‌تر کار کنند، نه کم‌تر. هم‌زمان، شولامیث فایرستون (۱۹۷۰) و دانا هاراوی (۱۹۸۵) بر توان رهایی‌بخشی فناوری برای زنان پافشاری می‌کنند. هیلاری رُز و استیون رُز (۱۹۷۶)، ساندرا هاردینگ (۱۹۸۶)، اِوِلین فاکس کِلِر (۱۹۸۵) و سیلویا فدریچی (۲۰۰۴) از منظری تاریخی‌تر و در رابطه با تبدیل بدن زن و بدن جمعی به ماشینی رام و مولد، از ظهور عقلانیت مدرن و ذهنیت مکانیکی سخن می‌گویند. به بیان دیگر، آنان دریافته‌اند پیش از آن‌که رژیم کارخانه‌ی صنعتی روابط اجتماعی را به ماشین‌های واقعی تبدیل کند، این روابط به ماشینی انتزاعی تبدیل شده بودند. در نهایت، ندا آتاناسوسکی و کالیندا وُرا (۲۰۱۹) شرح داده‌اند که چگونه رویای خودکارسازی کامل (که هوش مصنوعی را نیز دربرمی‌گیرد) همواره بر «انسانیت جای‌گزین» (surrogate humanity) برده‌ها، خدمتکاران، پرولترها و زنان مبتنی بوده، آنانی که با کار نامرئی خود ایدئال جهان‌شمول فرد خودمختار (سفید و غربی) را ممکن می‌کنند. مان (۲۰۲۰) نتیجه می‌گیرد که «خودکاره یک اسطوره است»، زیرا اغلب باعث شده مردم بیش‌تر کار کنند، نه کم‌تر.

نظریه‌ی خودکارسازی در اقتصاد سیاسی سده‌ی نوزدهم

این اندیشه که پیش از جای‌گزینی ماشین‌آلات با کارگران، سازمان‌دهی کار باید «مکانیکی» شود، یکی از اصل‌های بنیادین و کهنه‌ی اقتصاد سیاسی است (آسپرومورگوس، ۲۰۱۲؛ پاسکویینلی، ۲۰۲۳، ۲۳۹). آدام اسمیت، در ثروت ملل (1776) و با کشف این نکته که ماشین‌آلات جدید اغلب با تقلید از سازمان‌دهی وظایف در کارگاه «اختراع» می‌شوند، نخستین کسی بود که طرح نوعی نظریه‌ی خودکارسازی کارمحور را ریخت: «گویی اختراع همه‌ی این ماشین‌ها، که اینگونه کار را ‌آسان و کوتاه می‌کنند، اساساً مدیون تقسیم کار است». افزون بر این، مفهوم کار انتزاعی هگل، یعنی کاری که به ماشین‌آلات شکل می‌دهد، مدیون آدام اسمیت است، چنان‌چه هگل در سخنرانی‌های ینا (۱۸۰۶-۱۸۰۵) درباره‌ی او صحبت می‌کند. با این همه، ببج کسی بود که یافته‌های آدام اسمیت را در یک نظریه‌ی خودکارسازی کارمحور منسجم و نظام‌مند، یک‌کاسه کرد. ببج نظریه‌ی خود را اینگونه شرح می‌دهد:

«شاید مهم‌ترین اصلی که اقتصاد تولیدی بدان وابسته است، اصل تقسیم کار در میان کسانی باشد که کار را انجام می‌دهند … تقسیم کار یعنی ابداع ابزارها و ماشین‌آلات برای انجام فرایندها … هنگامی که هر فرایند به استفاده از ابزاری ساده فروکاسته شود، وحدت همه‌ی این ابزارها که با نیرویی محرک ممکن می‌شود، ماشین را می‌سازد. (Babbage 1832, pp. 131-136)

معنای «تقسیم کار یعنی ابداع ابزارها و ماشین‌آلات برای انجام فرایندها» چیست؟ یعنی طراحی تقسیم کار به طرح داخلی فناوری شکل و شمایل می‌دهد؛ یعنی ابتدا کار است که به خودکارسازی شکل می‌دهد، نه برعکس. ببج این نظریه را با نظریه‌ی اندازه‌گیری کار تکمیل کرد (معروف به «اصل ببج») که می‌گوید تقسیم کار کارکرد مهم دیگری نیز دارد: رایانش دقیق هزینه‌های کار (Babbage 1832, 137).

جالب آن‌که ببج این دو اصل را اساس پروژه‌های «موتورهای محاسبه‌ی» خود، یعنی موتور تفاضلی (Difference Engine) و موتور تحلیلی (Analytical Engine) کرده بود؛ ماشین‌هایی که نمونه‌های اولیه‌ی رایانه‌ی نوین قلمداد می‌شوند. ببج همچنین از گاسپار دو پرونی، ریاضی‌دان فرانسوی، الهام گرفته بود. دو پرونی نخستین کسی بود که به فکر افتاد اصل تقسیم کار آدام اسمیت را برای ماشین حساب دستی و به‌ویژه محاسبه‌ی جدول‌های لگاریتمی به کار برد. ببج الگوریتم دو پرونی را، که به «روش تفاضل» (method of difference) معروف است، اقتباس کرد و کوشید سازمان‌دهی آن را در سازه‌ای مکانیکی تعبیه کند. در نتیجه، طرح رایانش ببج از این اندیشه آغاز کرد که اصل تقسیم کار آدام اسمیت را بر ماشین‌حساب دستی اعمال کند و در نهایت، برای نخستین بار، به سراغ ماشینی‌سازی چنین شکلی از سازمان‌دهی وظایف رفت. موتورهای محاسبه‌ی ببج شاهدی هستند بر این‌که می‌توان ادعا کرد که همه‌ی اشکال خودکارسازی (مکانیکی و نیز اطلاعاتی) از اصلی یکسان تکامل یافته‌اند. در پژوهش‌های سده‌ی بیستم این رابطه‌ی میان پروژه‌های آغازین رایانش خودکار و اقتصاد سیاسی کار گویی فراموش شد و تنها پس از بریورمن (۱۹۷۴)، که پیش‌تر اشاره کردیم، دوباره بدان پرداخته شده است.

در واقع، نظریه‌های خودکارسازی تقلیدی (Mimetic theories of automation) و گونه‌های دیگر نظریه‌ی خودکارسازی کارمحور در رشته‌های زیادی یافت می‌شوند. حوزه‌ی رباتیک و به‌ویژه زیرشاخه‌ی علوم زیست‌سازه‌شناسی (bionics) بر تقلید نظام‌مند از ریخت‌شناسی انسان و دیگر موجودات مبتنی هستند (Freyberg and Hauser 2023). در علوم رایانه و برنامه‌نویسی، آن‌چه به اصل کانوِی مشهور است می‌گوید که طراحی دست‌ساخته‌ای پیچیده مثل نرم‌افزار، ارتباطات میان بخش‌های شرکت یا سازمانی را منعکس می‌کند که در ساخت آن همکاری داشته است: «سازمان‌هایی که سامانه (در معنای گسترده‌ی آن) طراحی می‌کنند، مجبورند طرح‌هایی را تولید کنند که از ساختارهای ارتباطی این سازمان‌ها تقلید می‌کند» (Conway 1968, 31). در مهندسی، اصل مدل درونی (Internal Model Principle) می‌گوید که «رگولاتور باید برای ساختار پویای محیط، مدل خلق کند» (Bengtson 1977, 333) یعنی ابتدا محیط است که مدل درونی را شکل می‌دهد. در واقع این یکی از اصول معمول در دانش رایانیک است و می‌توان اندیشه‌ی «بازنمایی درونی» در شبکه‌های عصبی مصنوعی (Clark and Toribio 1994) را نیز، که هم‌چنان در معماری هوش مصنوعی امروزی مثلاً یادگیری عمیق نقش کلیدی دارد، در راستای همین فنون مدل‌سازی گنجاند.

نظریه‌ی خودکارسازی در تاریخ علم و فناوری

در تاریخ علم و فناوری مسئله‌ی خودکارسازی وجهه‌ی متفاوتی نسبت به حوزه‌ی اقتصاد سیاسی کسب کرده است. می‌توان استدلال کرد که در اقتصاد سیاسی موضوع اصلی پژوهش‌ها انباشت سرمایه (یا سیاست‌ورزی کارگری) است، حال آن‌که در تاریخ علم و فناوری موضوع تولید ابزار و دانش تازه است. در واقع، به‌سادگی می‌توان دریافت که هر دو حوزه حول محور معرفت‌شناختی خود می‌گردند و شرح‌های متفاوتی از توسعه‌های علم‌فناوری (technoscientific) ارائه می‌کنند و با این همه پرسش اینجاست که آیا این دو چشم‌انداز می‌توانند نوری بر یکدیگر بتابانند؟ آن‌چه در ادامه می‌آید روشن می‌کند که چگونه تاریخ علم و فناوری از یافته‌های اقتصاد سیاسی بهره می‌برد و اقتصاد سیاسی چگونه می‌تواند از بازگرداندن این انتقال دانش منتفع شود.

در هر نظریه‌ی توسعه‌ی علمی نوعی نظریه‌ی خودکارسازی نهفته است، زیرا نمی‌توان علم را از ابزارهای آزمایش و ادوات پیش‌بینی علمی جدا کرد. بحث درباره‌ی شأن پارادایم‌های علمی درازدامن است: در این‌جا تنها به آن‌چه برایمان اهمیت دارد می‌پردازیم و نقش ابزارها، فنون و فناوری‌های خودکارسازی را در تاریخ چنین پارادایم‌هایی بررسی می‌کنیم. برای سهولت بحث، تاریخ علم و فناوری را به سه نظریه‌ی اصلی تقسیم می‌کنیم: نظریه‌های درون‌گرا، فرهنگ‌گرا و برون‌گرا. نظریه‌های درون‌گرا اغلب توسعه‌ی علم‌فناوری را با اصول درونی شرح می‌دهند (نک. اندیشه‌ی انقلاب علمی در Koyré ۱۹۳۹ و گذار پارادایمی در Kuhn 1962)؛ نظریه‌های فرهنگ‌گرا علم‌فناوری را در معرض محیط اجتماعی قرار می‌دهند و نوعی رویکرد برساختگرا را به کار می‌بندند (Simondon 1958; Shapin and Schaffer 1985)؛ نظریه‌های برون‌گرا می‌کوشند علم‌فناوری را در بستر گسترده‌تر اقتصادی‌اجتماعی بگنجانند. در این‌جا نیازی نیست که به شرح این سه رویکرد بپردازیم، زیرا معرفت‌شناسی تاریخی علم و فناوری در سال‌های اخیر سنتزهای درخوری به دست داده است (Badino et al. 2022; Omodeo 2019; Ienna 2023).

اکنون می‌توان میان تاریخ علم و فناوری و اقتصاد سیاسی مقایسه‌ی جالبی برقرار کرد: گویی نظریه‌های درون‌گرا در تاریخ علم و فناوری از منظر معرفت‌شناختی هم‌تراز نظریه‌های خودکارسازی ارزش‌محور در اقتصاد سیاسی هستند. در واقع، هر دو نظریه بر اصلی مستقل از عوامل بیرونی تاکید می‌کنند: در تاریخ علم و فناوری درون‌گرا، علم فارغ از رخدادهای بیرونی دستخوش دگرگونی می‌شود، حال آن‌که در نظریه‌های ارزش در اقتصاد سیاسی، سرمایه فارغ از دستاوردهای فناورانه و علمی راه خود را برای انباشت ارزش کشف می‌کند. با این همه، گویی این دو حوزه در سطحی متفاوت با یکدیگر همکاری داشته‌اند. چرخش به سوی محوریت کار در اقتصاد سیاسی چشم‌اندازهای تازه‌ای در برابر تاریخ علم و فناوری نیز گشوده و با مطالعه‌ی محوریت کار است که تاریخ علم و فناوریْ برخی مفاهیم کلیدی اقتصاد سیاسی را از آن خود کرده است.

تاریخ علم و فناوری دست‌کم از زمان انتشار مقاله‌ی بنیادین بوریس هسن، «ریشه‌های اجتماعی و اقتصادی مکانیک نیوتونی» (۱۹۳۱)، که در آن تاثیر فناوری‌های عصر صنعتی بر اصول ریاضی فلسفه‌ی طبیعی نیوتون را نشان می‌دهد، از اقتصاد سیاسی تاثیر پذیرفته است. یافته‌ی کلیدی دیگر را هنریک گروسمان (۱۹۳۵)، اقتصاددان لهستانی، فراهم می‌کند، شخصیتی نزدیک به مکتب فرانکفورت که «بنیان‌های اجتماعی فلسفه‌ی مکانیکی و تولید» را تحلیل کرد. فرویدنتال و مک‌لافلین (Freudenthal and McLaughlin 2009, 4) تز گروسمان و هسن را این‌طور خلاصه می‌کنند: «می‌گویند علم اقتصاد تقاضا به وجود می‌آورد، تقاضا مشکلات فنی پیش می‌آورد، و مشکل فنی نیز مسائل علمی خلق می‌کند». تز هسن ـ گروسمان نظریه‌ی درخوری است، زیرا سازه‌ی معرفت‌شناختی پیچیده‌ای برای تمدن بشری بنا می‌کند که در آن نیروهای اقتصادی-اجتماعی به صورت‌های فنی شکل و شمایل می‌دهند و صورت‌های فنی نیز به‌نوبه‌ی خود با بازخورد مداوم بر نظریه‌های علمی تاثیر می‌گذارند.

می‌توان تز هسن-گروسمان را بسط و گسترش فرضیه‌ی مرکزی ماتریالیسم تاریخی قلمداد کرد. مشهور است که مارکس (Marx 1867/1981, 496-497) می‌گوید مناسبات تولید منجر به توسعه‌ی ابزار تولید می‌شود، نه برعکس. مراد مارکس آن بود که جبرگرایی فناورانه را رد کند و نشان دهد که موتور بخار رانه‌ی انباشت سرمایه در عصر صنعتی نبوده است، بلکه هژمونیک شدن مناسبات اقتصادی تازه‌ای که میان کارگران و سرمایه (یعنی کار مزدی) شکل گرفته بود، نیاز به منبع انرژی قدرت‌مندتری داشت که با فناوری بخار تأمین شد (MacKenzie 1984). تفسیرهای مشابه از نوآوری فناورانه نیز کم نیستند، چنان‌چه در بحث‌های اخیر درباره‌ی انسان‌دوره (Anthropocene) نیز دیده می‌شود. مثلاً آندرئاس مالم به شیوه‌ای مشابه، اقتباس سوخت فسیلی به‌مثابه‌ی منبع انرژی جای‌گزین آب را ناشی از تشدید مناسبات کار-سرمایه در عصر صنعتی قلمداد می‌کند، نه عاملیت فناورانه. با این همه، مشکل آن‌جا است که دقیق‌ترین تفسیرها درباره‌ی نقش کار در توسعه‌ی فناورانه را باید در تاریخ علم و فناوری جست، نه در اقتصاد سیاسی مارکسیستی؛ افزون‌تر آن‌که دیدگاه کارگران در انواع مارکسیستی تاریخ علم و فناوری نیز هم‌چنان چشم‌اندازی ثانوی محسوب می‌شود.

فرانتز بورکنائو (Franz Borkenau 1932; 1934; 1987) به درخواست موسسه‌ی پژوهش‌های اجتماعی در فرانکفورت کوشید کار را محور تکوین علم مدرن و «تصویر مکانیکی از جهان» قرار دهد، اما نتوانست استدلال‌های متقاعدکننده‌ای ارائه کند. تز او این بود که دیاگرام انتزاعی تقسیم کار می‌تواند مستقیماً و بدون میانجی‌گری فناوری، به ظهور تفکر مکانیکی بینجامد. در واقع، گروسمان با نگارش جستار سال ۱۹۳۵ خود دقیقاً می‌خواست برداشت ساده‌لوحانه‌ی بورکنائو را نقد و آن را اصلاح کند. در نتیجه، بورکنائو رابطه‌ای مستقیم میان کار و علم تصور کرد (نوعی نظریه‌ی علم کارمحور) و میانجی‌گری معرفت‌شناختی فناوری را نادیده گرفت، حال آن‌که گروسمان کار، فناوری و علم را در چارچوبی نظام‌مندتر قالب‌ریزی کرد (نوعی نظریه‌ی علم ماشین‌محور).

مناقشه‌ی بورکنائو نقطه‌ی کوری را یادآوری می‌کند که هم‌چنان در تاریخ علم و فناوری و اقتصاد سیاسی به شیوه‌ای درخور مطالعه نشده: نقش پراکسیس و کار در شکل دادن به علم‌فناوری. یورگن رن (۲۰۲۰) اخیراً و برای تاکید دوباره بر این کمبود، پیشنهاد داده است که کارسپهر (ergosphere) (سپهر همکاری و تولید دانش) را به مدل جهان بیفزاییم، مدلی که معمولاً از زمین‌سپهر (geosphere)، زیست‌سپهر (biosphere) ، فن‌سپهر (technosphere) و همچنین داده‌سپهر (infosphere) و جان‌سپهر (noosphere) تشکیل می‌شود. پیترو اُمُدئو (۲۰۲۲) در بحث درباره‌ی انسان‌دوره برای شناسایی موضوع کنش جمعی، بر سطح «ژئو‌پراکسیس» (geopraxis) تاکید می‌کند. به همین ترتیب، الکساندرا هویی، لیسا رابرتز و سث راکمن نیز پیشنهاد می‌کنند تا نوعی تاریخ علم کارمحور را پایه‌گذاری کنیم تا میان تاریخ کار و تاریخ علم گفتگویی شکل بگیرد.

«زیرا تشخیص حضور همیشگی کار در تاریخ علم نابسنده است و به این موضوع نیز چندان پرداخته نشده است (افزون‌تر آن‌که در تاریخ کار به علم و کارکنان در این حوزه از نظر تحلیلی توجه نشده است).» (Hui et al. 2023, 820)

هویی، رابرتز و راکمن در جایگاه تاریخ‌نگاران علم می‌خواهند استدلال کنند که تاریخ کار می‌تواند یافته‌هایی کلیدی برای تاریخ علم و فناوری داشته باشد، اما همچنین باید اذعان کرد که تاریخ علم و فناوری نیز به روشن‌شدن پویایی‌های اقتصادی، به‌ویژه در رابطه با نقش نظام اندازه‌گیری، ابزارهای اندازه‌گیری و اندازه‌شناسی، کمک کرده است. شیوه‌ها و ابزارهای اندازه‌گیری همواره نقشی کلیدی در تبادل اقتصادی، فرایند ارزش‌گذاری، نهاد پول و نیز مدیریت کار داشته‌اند. اندازه‌شناسی همواره امری سیاسی بوده است (Kula 1986; Schaffer 2015; Pasquinelli 2022) و نمی‌توان به‌سادگی ظهور خودکارسازی صنعتی را از شیوه‌ها و فنون کمی‌سازی و پولی‌سازی کار متمایز کرد.

از این منظر، نورتون وایز (۱۹۸۸) پیشنهاد می‌کند فناوری‌های صنعتی مثل موتور بخار و تلگراف را هم‌چون «ماشین‌های میانجی‌گر» ببینیم، میانجی‌هایی معرفت‌شناختی میان حوزه‌های اقتصاد سیاسی و فلسفه‌ی طبیعی، میان کار و علم. وایز بر نقش دوگانه‌ی موتور بخار در اندازه‌گیری کار و تکوین واحد متریک در علم فیزیک تاکید می‌کند (Wise 1988, 77). یافته‌های وایز به وجه مشترکی میان ارزش و کار در نظریه‌های خودکارسازی اشاره می‌کند که بر اساس آن فناوری صرفاً ابزار تولید نیست، بلکه در واقع ابزار اندازه‌گیری تولید و به‌ویژه کار نیز هست. چنان‌چه اصل ببج می‌گوید، تقسیم کار (و تلویحاً هر ماشینی) اندازه‌گیری و خرید مقدار دقیق کار و منابع لازم برای تولید را ممکن می‌کنند. این چشم‌انداز را می‌توان نوعی نظریه‌ی خودکارسازی مبتنی بر نظام اندازه‌گیری دانست؛ بر اساس این نظریه، فنونی که برای اندازه‌گیری کار استفاده می‌شوند، پس از آن‌که تقسیم کار به رشد کافی رسید، به طراحی فناوری‌های خودکارسازی تازه‌ای رهنمون می‌شوند (Pasquinelli 2023, 243). اندازه‌شناسی کار باید متقاعدمان کند تا نظریه‌های ارزش‌محور و نظریه‌های کارمحور را بیش از پیش با نظریه‌های خودکارسازی دیدگاه‌محور ادغام کنیم (نکته‌ای که در این‌جا بدان نمی‌پردازیم).

نظریه‌ی خودکارسازی در زمانه‌ی هوش مصنوعی

شکل‌گیری اجتماعی‌فناورانه‌ی هوش مصنوعی در سده‌ی ۲۱ موقعیت ویژه‌ای برای مشاهده و مطالعه‌ی موردی فراهم کرده است، به‌ویژه با توجه به میزان خودکارسازی که هوش مصنوعی در دوره‌ی کنونی به دست آورده است. گاه هوش مصنوعی را مرحله‌ی تازه‌ای از پیش‌رفت فناوری توصیف می‌کنند، مرحله‌ای که از منظر گستردگی و ظرفیت از گذشته متمایز می‌شود (نگاه کنید به افسانه‌ی تکینگی[۸]). اما آیا به‌راستی چنین است؟ بگذارید ببینیم تاریخ علم و فناوری و اقتصاد سیاسی چگونه موضوع هوش مصنوعی را پوشش می‌دهند.

تاریخ علم و فناوری هرگز هوش مصنوعی (و نیز حوزه‌ی مادر آن، دانش رایانیک) را «علم» قلمداد نکرده است، زیرا هوش مصنوعی هیچ‌گاه برای کشف قوانین تازه‌ی طبیعت از روش تجربی بهره نبرده و برعکس از روش قیاسی (یا تفکر با قیاس) بهره می‌برد که به ذهنیت پیشاعلمی تعلق دارد. رایانیک‌شناسان باور دارند که ماشین‌ها می‌توانند از اندامگان (از جمله مغز) تقلید کنند، زیرا از دید آن‌ها اندامگان شبیه به ماشین است. دانش رایانیک یکی از شاخه‌های مهندسی الکترومکانیک بود که بعدها بی‌دلیل «علوم رایانه» نامیده شد. در واقع، روش هوش مصنوعی همواره نوعی «بازی تقلیدی» (Turing 1950) بوده است که موضوعش نه طبیعت، بلکه فرهنگ است (موضوع «علوم رایانه» این نیست که قوانین جهان‌شمول مغز انسان را کشف کند، بلکه موضوع ثبت و ضبط قواعد اجتماعی و تاریخی است). آزمون تورینگ بازنمای همین تمایز است. شافر (۲۰۲۴) استدلال می‌کند که هدف آزمون تورینگ آن است که نشان دهد هوش (تجلی‌های مکانیکی یا انسانی آن) نوعی هوش نسبتی (relational intelligence) است و صرفاً می‌تواند چنین چیزی باشد، یعنی مسئله بر سر پیروی از قواعد بیرونی است، نه اجرای قوانین (زیستی یا منطقی) درونی.

بیش‌تر تاریخ‌نگاران علم موافق هستند که رایانش خودکار مدرن (از موتور تقاضلی ببج گرفته تا هوش مصنوعی) از دیرباز از دل نوعی اندازه‌گیری و خودکارسازی کار ذهنی در حوزه‌ی صنعت، به‌ویژه شمارش با انگشتان، سر برآورده است (Daston 1994) و وسیله‌ای انتزاعی برای شبیه‌سازی هوش نیست. از این منظر، دستون (۲۰۱۸) به روشنی می‌گوید که ماهیت رایانش (از جمله هوش مصنوعی) نوعی هوش تحلیلی سازمان‌های انسانی و روابط اجتماعی است، نکته‌ای که با تفسیر شافر درباره‌ی هوش نسبی در آزمون تورینگ نیز همخوانی دارد. از سوی دیگر، رویکردهای درون‌گرا و شناختی به تاریخ علم و فناوری (Boden 2006) هم‌چنان هوش مصنوعی را تلاشی برای دست‌یابی به «هوش ماشینی» قلمداد می‌کنند، تلاشی که معمولاً با تقلید و مسلم گرفتن «هوش انسان» به‌مثابه‌ی واقعیتی غیرتاریخی به انجام می‌رسد. بر خلاف تقلیل‌گرایی معرفت‌شناختی برخی علوم شناختی، تاریخ علم و فناوری به درستی نشان می‌دهد که مدل‌های هوش مصنوعی و مدل‌های هوش، پارادایم‌هایی جهان‌شمول نیستند، بلکه پارادایم‌هایی تاریخی‌اند و افزون‌تر آن‌که هر دو مدل سلسله‌مراتب‌های اجتماعی سر و دست را بازتاب می‌دهند (Schaffer 1994).

به‌راستی یکی از همین پارادایم‌های هوش اجتماعی است که از آغاز بر طراحی هوش مصنوعی تاثیر گذاشته است. خاستگاه شکل کنونی هوش مصنوعی، یعنی یادگیری ماشینی، اختراع نخستین شبکه‌ی عصبی به نام پرسپترون (Perceptron) در دهه‌ی ۱۹۵۰ به دست فرانک رُزنبلات بوده است (پاسکویینلی، ۲۰۲۳، ۲۰۵). پرسپترون صرفاً در ظاهر از شکل زیستی شبکه‌های عصبی تقلید می‌کرد: از منظر ریاضیاتیْ پرسپترون تجسمی از خودکارسازی ابزارهای آماری در تحلیل چندبُعدی‌ای بود که رُزنبلات، دانش‌آموخته‌ی روانشناسی، از رشته‌ی روان‌سنجی (Psychometrics) به ارث برده بود. روان‌سنجی رشته‌ای است که آزمون بدنام «بهره‌ی هوشی» (تست آی‌کیو) را بنیان گذاشت و اساساً هدفش این بود که با تحلیل‌های آماری مثل این آزمونْ مهارت‌های جمعیت را کمی‌سازی کند. رشته‌ی روان‌سنجی که بخشی از میراث جنجال‌برانگیز آلفرد بینه، چارلز اسپیرمن و لوئیس ثورستون بود در شاخه‌ی علوم آماری پا گرفت، رشته‌ای که دغدغه‌ی اصلی‌اش «ارزیابی انسان»، شکل‌گیری هنجارهای رفتاری و کنترل انحراف از هنجارها است و به همین دلیل هرگز رشته‌ای خنثی نبوده است (Gould 1981). از آن‌جا که شکل‌های پیشین خودکارسازی از اندازه‌گیری کار و در حوزه‌ی صنعت سر بر آورده بودند، می‌توان گفت که هوش مصنوعی نیز از دل روان‌سنجی کار (psychometrics of labour) سر بر آورده است، یعنی از اندازه‌گیری و طبقه‌بندی مهارت‌های شناختی در میان کل جمعیت. چنان‌چه در جای دیگری گفته‌ام:

«مقایسه‌ی هوش انسان با هوش ماشینی تلویحاً این داوری را نیز به هم‌راه دارد که کدام رفتار انسانی یا گروه اجتماعی نسبت به دیگری هوش بیش‌تری دارد، کدام کارگر را می‌توان جای‌گزین کرد و کدام را نه. در نهایت، هوش مصنوعی صرفاً ابزاری برای خودکارسازی کار نیست، بلکه ابزاری است برای تحمیل استانداردهای هوشی مکانیکی که سلسله‌مراتب‌های اجتماعی دانش و مهارت را به شیوه‌ای کم‌وبیش نامرئی تکثیر می‌کند. هوش مصنوعی نیز هم‌چون همه‌ی شکل‌های پیشین خودکارسازی، صرفاً جای‌گزین کارگران نمی‌شود، بلکه آنان را بیرون می‌راند و در نظم اجتماعی تازه‌ای از نو سازمان می‌دهد.» (Pasquinelli 2023, 246)

خلاصه آن‌که شکل کنونی هوش مصنوعی، یعنی یادگیری ماشینی، در واقع همان خودکارسازی معیار آماری است، معیاری که اصالتاً برای کمی‌سازی توانایی‌های شناختی، اجتماعی و مربوط به کار رواج یافت. این استدلال دیگری به نفع نظریه‌ی خودکارسازی کارمحور (یا نظریه‌ی خودکارسازی مبتنی بر اندازه‌گیری (metric theory of automation)) است، زیرا نشان می‌دهد چگونه فن اندازه‌گیری و سازمان‌دهی روابط اجتماعی بر طراحی خودکارسازی نیز تاثیر می‌گذارند.

افزون بر این، معماری کنونی هوش مصنوعی روشن می‌کند که آن‌چه در سرشت منطقی هوش مصنوعی نقشی محوری دارد سپهر مناسبات اجتماعی است، و نه عقلانیت انتزاعی، چنان‌چه منطق هوش مصنوعی به روشنی و کاملاً به مخازن عظیم داده‌های شخصی و جمعی وابسته است (Muldoon et al. 2024). مطالعات علم و فناوری با نگاه به وضعیت کنونی هوش مصنوعی، یادگیری ماشینی و به‌ویژه یادگیری عمیق (یعنی، نوعی از یادگیری ماشینی که بر شبکه‌های عصبی مصنوعی بزرگ (large artificial neural networks) مبتنی است) نشان داده است که چنین سامانه‌هایی به خاطر دانش و کار نامرئی انبوه کارگران و کاربران جهان رشد می‌کنند و به آن مدیون هستند (Gray and Suri 2019). در این‌جا مطالعات علم و فناوری همان چیزی را در رابطه با ترکیب‌بندی سیاسی هوش مصنوعی کشف کرده است که تاریخ علم و فناوری درباره‌ی تبارشناسی فنی آن، یعنی محوریت شکل عام کار. خلاصه آن‌که، هوش مصنوعی کنونی نوعی خودکارسازی فنی مبتنی بر تقلید مستقیم از مناسبات اجتماعی، میراث فرهنگی و انواع کارها (اعم از یدی و ذهنی) است و بدین ترتیب اثباتی است بر نظریه‌ی خودکارسازی کارمحور که پیش‌تر شرحش رفت.

محوریت مسئله‌ی کار در هوش مصنوعی در نهایت ما را وامی‌دارد چشم‌انداز اقتصاد سیاسی را مد نظر قرار دهیم. هرچند تخمین اقتصادی برای مدل‌های بزرگ هوش مصنوعی کنونی (چت‌جی‌پی‌تی و غیره) هنوز دشوار است، اما نمی‌توان نادیده گرفت که هوش مصنوعی هم‌اینک نیز توانسته انحصارهای قدرت‌مندی بر پردازش اطلاعات تشکیل دهد که احتمالاً برای خودکارسازی نسبی بسیاری از مشاغل بسیار کارآمد خواهد بود (Bommasani et al. 2021). با این همه، بناناو (Benanav 2020) هشدار می‌دهد که شاید تلقی هوش مصنوعی به عنوان علّت بی‌کاری فناورانه صرفاً توهم باشد و در واقع در درجه‌ی نخست نتیجه‌ی رکود جهانی است و نه خودکارسازی بنگرید به Smith 2020). بناناو از چشم‌انداز نظریه‌ی خودکارسازی ارزش‌محور عبور می‌کند تا هوش مصنوعی را با روندهای مالی در اقتصاد جهانی توضیح دهد. با این همه، اگر سامانه‌های هوش مصنوعی را، مثلاً چت‌جی‌پی‌تی، از چشم‌انداز ترکیب‌بندی کار نگاه کنیم، بیش‌تر به یکی از تجلی‌های سرمایه‌داری پلت‌فرمی و اقتصاد گیگ می‌ماند که در واقع بازار کار را گسترش می‌دهند و دگرگون می‌کنند.

در دهه‌ی گذشته پلت‌فرم‌های دیجیتال جدید بسیاری از فعالیت‌های برخط و برون‌خط، از جمله کسب‌وکارهای کوچک، مشاغل یقه سفید، نیروی کار مراقبتی و ارتش عظیمی از کارگران غیرمستقر را سازمان‌دهی کرده‌اند. همین پلت‌فرم‌های دیجیتال اغلب در حوزه‌های آمایش، توزیع و مهمان‌یاری و بسیاری بخش‌های دیگر، انحصارهایی جهانی به وجود آورده‌اند (Srnicek 2016; Poell et al. 2019). این پلت‌فرم‌ها صرفاً نماینده‌ی نوعی مدل کسب‌وکار نیستند، بلکه نشانی از شکل تازه و فراگیری از مدیریت الگوریتمی هستند که در آن رئیس‌ها مازاد می‌شوند و جای خود را به نرم‌افزاری برای نظارت و تصمیم‌گیری می‌دهند (Wood 2021; Woodcock 2021a; 2021b; Armano et al. 2022). مردم‌نگاری و جامعه‌شناسی این شکل‌های تازه‌ی کار به شباهت‌های پرشماری میان اقتصاد گیگ و پلت‌فرم‌های هوش مصنوعی اشاره می‌کنند: این مطالعات نشان می‌دهند که سامانه‌های هوش مصنوعی شکل تازه‌ای از انحصار در آمایش و مدیریت نیروی کار جهانی ایجاد کرده‌اند (Kellogg et al. 2020; Pirina 2022; Bonifacio 2023; Peterlongo 2023). از چشم‌انداز جریان اطلاعات فن‌سپهر جهانی، گویی هوش مصنوعی ترکیب‌بندی نهایی همه‌ی فرایند‌های پیشین جمع‌آوری داده و مدیریت نیروی کار از پایین است، نه ابداع الگوریتم‌های قدرت‌مند و تازه از بالا. مدیریت الگوریتمی «ابداع» نیست، برعکس نوعی خودکارسازی تدریجی فنون گذشته برای کنترل و سازمان‌دهی نیروی کار است. این فرایند خودکارسازی نیز هم‌چون فرایندهای گذشته بی‌عیب‌ونقص نیست، بلکه در جای جای آن نشان سایش‌ها و نزاع‌های میان پلت‌فرم‌ها و کارگران دیده می‌شود. مطالعات مردم‌نگارانه و جامعه‌شناسانه درباره‌ی اقتصاد گیگ آنتاگونیسمی را افشا کرده‌اند که این پلت‌فرم‌ها را از درون به حرکت می‌اندازند، یعنی کنش‌های خلاقانه‌ی اختلال‌آفرین و هک‌هایی که کارگران برای شرایط کاری بهتری و علیه رفتارهای تبعیض‌آمیز مدیریت الگوریتمی به کار می‌بندند. از دید بونینی و ترِره (Bonini and Treré ۲۰۲۴)، کارگران پلت‌فرمی همواره درگیر کنش‌های خلاقانه‌ای برای «مقاومت الگوریتمی» هستند که صرفاً «قدرت الگوریتمی» را مختل نمی‌کند، بلکه آن را وامی‌دارد خود را از درون انطباق دهد و نوآوری کند، همان نکته‌ای که نظریه‌های خودکارسازی دیدگاه‌محور نیز در مواردی دیگر بدان اشاره کرده‌اند.

جمع‌بندی

در نتیجه، استدلالم آن است که بهره‌گیری از نظریه‌ی خودکارسازی ارزش‌محور برای هوش مصنوعی چشم‌اندازی لازم اما ناکافی برای توضیح وضعیت کنونی امور به دست می‌دهد. تلقی هوش مصنوعی به‌مثابه‌ی فن (فنی برای اندازه‌گیری کار و از سوی دیگر، فنی برای کنترل سلسله‌مراتب‌های اجتماعی) نیازمند آن است که نظریه‌ی هوش مصنوعی ارزش‌محور را با چشم‌انداز کار‌محور ادغام کنیم، چنان‌چه نظریه‌ی دیدگاه‌محور نیز پیشنهاد می‌کند سلطه‌ی فناورانه‌ی سده‌های گذشته را بررسی کنیم. در مورد هوش مصنوعی، تحلیل تقسیم کار (نظریه‌ی کارمحور) و شکل‌های آنتاگونیستی (نظریه‌ی دیدگاه‌محور) می‌توانند کمک کنند تا بُعد اقتصادی هوش مصنوعی (نظریه‌ی ارزش‌محور) را بهتر ببینیم و دریابیم که فرایند ارزش‌گذاری به ندرت می‌تواند از مادیّت کار زنده و مناسبات اجتماعی جدا شود و نیز نمی‌توان آن‌ها را از سرنوشت شکل ارزش کنار گذاشت.

طراحی درونی هوش مصنوعی چه ارتباطی با بُعد اقتصادی آن دارد، یا به عبارتی شکل و شمایل کار درونی هوش مصنوعی چگونه با شکل بیرونی ارزش‌محور آن تعامل می‌کند؟ چنان‌چه بالا شرح دادیم هوش مصنوعی به شکل نوع خاصی از خودکارسازی طراحی نشده که از نوع خاصی از تقسیم کار تقلید کند، برعکس هوش مصنوعی سامانه‌ای جامع است که می‌تواند از شکل‌های متنوعی از کارهای یدی، ذهنی و بصری تقلید و آنان را مدل‌سازی کند: هوش مصنوعی نمادی است از تجمیع نظریه‌ی خودکارسازی کار‌محور، یعنی خودکارسازی اصل خودکارسازی، یا خودکارسازی خودکارسازی (Pasquinelli 2023b, 248; Steinhoff 2021). به هر روی، گویی هدف این توانایی خودکارسازی شگفت‌انگیز جای‌گزینی کامل کارگران نیست، بلکه هدف خودکارسازی خرده وظیفه‌های ماژولار (Modular micro-tasks) است. کارگر جای خود را به سامانه‌ی هوش مصنوعی نمی‌دهد، بلکه به نوعی فراکارگر (Meta-worker)، یا «کارگر عام» (general worker) (به تعبیری، کارگر سایبورگ راستین) تبدیل می‌شود که برای بی‌شمار خرده وظیفه، سنتز انسانی فراهم می‌کند. شاید اینطور به چشم برسد که هر خرده‌ی وظیفه‌ی خودکار به کارگران قدرت بیش‌تری می‌دهد، اما در واقع مجموع نیروی آنان را می‌کاهد و مصرف می‌کند. تناقض هوش مصنوعی این است که جای‌گزین کارگران نمی‌شود، بلکه آنان را تکثیر می‌کند: به جای آن‌که به اشتغال پایان دهد، آبستن اشتغال ناقص (underemployment) می‌شود (Benanav 2020)، نوعی بی‌ثبات‌سازی بازار کار که کارگران را وامی‌دارد بیش‌تر و بیش‌تر کار کنند. در حالی که گرایش جهانی به سوی بی‌ثبات‌سازی و رکود است، گویی هوش مصنوعی همگان را به کار بیش‌تر وامی‌دارد، نه کار کم‌تر. البته این سرنوشت ناگزیر نیست. آن‌چه نظریه‌های خودکارسازی ارزش‌محور، کار‌محور و دیدگاه‌محور بیان می‌کنند این است که در هر عصر می‌توان با تغییر ترکیب‌بندی اجتماعی و سیاسی، ترکیب‌بندی فناورانه‌ی کار را دگرگون کرد.

* مقاله‌ی حاضر ترجمه‌ای است از Theories of Automation from the Industrial Factory to AI Platforms: An Overview of Political Economy and History of Science and Technology از Matteo Pasquinelli که در این لینک یافته می‌شود.

یادداشت‌ها

[۱].‌ پاسکویینلی، متئو (۱۴۰۳) چشم‌خدایگان: تاریخ اجتماعی هوش مصنوعی (سهیل رضانژاد، مترجم)، تهران، انتشارات هرمس.

[۲].‌ رضانژاد، سهیل (۱۴۰۲). کار دیجیتال در ایران: مطالعه ای در شرایط کار در تاکسی اینترنتی اسنپ (رساله‌ی دکتری). دانشگاه تهران، دانشکده‌ی علوم اجتماعی.

نیز نگاه کنید به: رضانژاد، سهیل (۱۴۰۳). فناوری مالکیت‌زدایی از هویت شغلی: اتنوگرافی کارگران راننده‌ی شرکت حمل‌ونقل آنلاین اسنپ. فصلنامه‌ی مطالعات فرهنگی و ارتباطات، ۱۹ (۷۱).

[۳]. Conway, Melvin E. (1968) How Do Committees Invent? in “Datamation”, ۱۴(۴), p. 29.

[۴].‌ هر سه دسته از این نظریه‌ها به پیروی از «نظریه‌ی ارزش کار» در اقتصاد سیاسی کلاسیک نام‌گذاری شده‌اند.-م.

[۵].‌ مراد از مسئله‌ی ماشین‌آلات بحثی عمومی در جامعه‌ی انگلستان سده‌ی نوزدهم و کارگرانی بود که جای خود را به ماشین‌آلات می‌دادند. مسئله‌ی ماشین‌آلات را نخستین بار دیوید ریکاردو مطرح کرد. بنا به نظر او هرچند ماشین‌آلات قیمت کالاها را کاهش می‌دهند، اما طبقه‌ی کارگر از کاهش قیمت منتفع نمی‌شوند، چون بی‌کاری فناورانه رقابت میان کارگران را افزایش می‌دهد و در نتیجه دستمزدها کاهش می‌یابند.-م.

[۶].‌ Operaismo، اوپرائیسمو یا کارگرگرایی جنبشی نظری و سیاسی است که در ده‌های ۱۹۶۰ و ۱۹۷۰ در ایتالیا پا گرفت. این جنبش بر خلاف مارکسیسم سنتی به جای تاکید بر نقش میانجی‌گری اتحادیه‌ها و احزاب کارگری، با نقد این شیوه‌های سازمان‌دهی بر خودمختاری و عاملیت طبقه‌ی کارگر تاکید می‌کند، تجربه‌ی زیسته، نزاع‌ها و مقاومت‌های روزمره‌ی کارگران را برجسته می‌کند و امتناع از کارگر و خراب‌کاری را به‌مثابه‌ی راه‌کارهای بدیل برای دگرگونی جامعه‌ی سرمایه‌داری توصیه می‌کند.-م.

[۷].‌ valorising informationچنان‌چه پاسکویینلی (۲۰۲۳) در جایی دیگر شرح می‌دهد، مراد از «اطلاعات ارزش‌گذار» جریان اطلاعاتی است که کارگران تولید می‌کنند؛ اما همین اطلاعات است در جریانی رو به بالا به راه می‌افتد، مدارهای کارخانه را تغذیه می‌کند و به محصول نهایی شکل می‌دهد.-م.

[۸].‌ Singularity یا تکینگی فناورانه آینده‌ای فرضی است که در آن رشد فناوری مهارناپذیر و بازگشت‌ناپذیر خواهد بود و در نتیجه‌ی آن پیامدهایی پیش‌بینی‌ناپذیر در انتظار بشریت خواهد بود. یکی از پیامدهای افسانه‌ی تکینگی توسعه‌ی نوعی ابرهوش ماشینی است: یادگیری ماشینی با اصلاح خود و بهبود محاسبه‌هایش می‌تواند آن‌چنان قدرت‌مند شود که از نظر کیفی از هوش انسان را پشت سر بگذارد.-م.

منابع

Alquati, Romano (1962) Composizione organica del capitale e forza-lavoro alla Olivetti. Parte I, in “Quaderni Rossi,” ۲, pp. 63-98.

Alquati, Romano (1963) Composizione organica del capitale e forza-lavoro alla Olivetti. Parte II, in “Quaderni Rossi,” ۳, pp. 119-185.

Armano, Emiliana, Briziarelli, Marco, and Risi, Elisabetta (2022) Digital Platforms and Algorithmic Subjectivities, London, University of Westminster Press.

Aspromourgos, Tony (2012) The Machine in Adam Smith’s Economic and Social Thought, in “Journal of the History of Economic Thought,” ۳۴(۴), pp. 475-490.

Atanasoski, Neda and Vora, Kalindi (2019) Surrogate Humanity: Race, Robots, and the Politics of Technological Futures, Durham, Duke University Press.

Babbage, Charles (1832) On the Economy of Machinery and Manufactures, London, Knight.

Badino, Massimiliano, Ienna, Gerardo, and Omodeo, Pietro Daniel (2022) Epistemologia storica: Correnti, temi e problemi, Roma, Carocci editore.

Benanav, Aaron (2020) Automation and the Future of Work, London, Verso.

Bengtsson, Gunnar (1977) Output Regulation and Internal Models: A Frequency Domain Approach, in “Automatica,” ۱۳(۴), pp. 333-345.

Berg, Maxine (1980) The Machinery Question and the Making of Political Economy, Cambridge/New York, Cambridge University Press.

Boden, Margaret A. (2006) Mind as Machine: A History of Cognitive Science, Oxford, Oxford University Press.

Bommasani, Rishi, Hudson, Drew A., Adeli, Ehsan et al. (2021) On the Opportunities and Risks of Foundation Models, in “arXiv,” ۲۱۰۸.07258v3.

Bonifacio, Francesco (2023) Fare il rider: Pratiche, saperi e traiettorie di una professione emergente, Milano, Mimesis Edizioni.

Bonini, Tiziano and Treré, Emiliano (2024) Algorithms of Resistance: The Everyday Fight Against Platform Power, Cambridge (MA), MIT Press.

Borkenau, Franz (1932) Zur Soziologie des mechanistischen Weltbildes, in “Zeitschrift für Sozialforschung,” ۱(۳), pp. 311-335.

Borkenau, Franz (1934) Der Übergang vom feudalen zum bürgerlichen Weltbild: Studien zur Geschichte der Philosophie der Manufakturperiode, Paris, Felix Alcan.

Borkenau, Franz (1987) The Sociology of the Mechanistic World-Picture, in “Science in Context,” ۱(۱), pp. 109-127.

Braverman, Harry (1974) Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century, New York, Monthly Review Press.

Brenner, Robert (2002) The Boom and the Bubble: The U.S. in the World Economy, London, Verso.

Clark, Andy and Toribio, Josefa (1994) Doing Without Representing?, in “Synthese,” ۱۰۱(۳), pp. 401-431.

Conway, Melvin E. (1968) How Do Committees Invent?, in “Datamation,” ۱۴(۴), pp. 28-31.

Cowan, Ruth Schwartz (1983) More Work for Mother: The Ironies of Household Technology from the Open Hearth to the Microwave, New York, Basic Books.

Daston, Lorraine (1994) Enlightenment Calculations, in “Critical Inquiry,” ۲۱(۱), pp. 182-202.

Daston, Lorraine (2018) Calculation and the Division of Labor, in “Bulletin of the German Historical Institute,” ۶۲(Spring), pp. 9-30.

Federici, Silvia (2004) Caliban and the Witch: Women, the Body and Primitive Accumulation, New York, Autonomedia.

Firestone, Shulamith (1970) The Dialectic of Sex: The Case for Feminist Revolution, New York, William Morrow.

Freudenthal, Gideon and McLaughlin, Peter (eds.) (2009) The Social and Economic Roots of the Scientific Revolution, Dordrecht, Springer Netherlands.

Gould, Stephen J. (1981) The Mismeasure of Man, New York, Norton & Company.

Gray, Mary L. and Suri, Siddharth (2019) Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass, Boston, Houghton Mifflin Harcourt.

Grossmann, Henryk (1935) Die gesellschaftlichen Grundlagen der mechanistischen Philosophie und die Manufaktur, in “Zeitschrift für Sozialforschung,” ۴(۲), pp. 161-231.

Haraway, Donna (1985) A Cyborg Manifesto, in “Socialist Review,” ۱۵(۲), pp. 65-107.

Harding, Sandra G. (1986) The Science Question in Feminism, Ithaca, Cornell University Press.

Hessen, Boris (1931[2009]) The Social and Economic Roots of Newton’s Principia, in Gideon Freudenthal and Peter McLaughlin (eds.), The Social and Economic Roots of the Scientific Revolution: Texts by Boris Hessen and Henryk Grossmann, Dordrecht, Springer, pp. 41-101.

Hobsbawm, Eric J. (1952) The Machine Breakers, in “Past & Present,” ۱, pp. 57-70.

Kuhn, Thomas S. (1962) The Structure of Scientific Revolutions, Chicago, University of Chicago Press.

Lenhard, Philipp (2024, in press) Friedrich Pollock: The Éminence Grise of the Frankfurt School, Leiden, Brill.

MacKenzie, Donald (1984) Marx and the Machine, in “Technology and Culture,” ۲۵(۳), pp. 473-502.

Malm, Andreas (2016) Fossil Capital: The Rise of Steam Power and the Roots of Global Warming, London, Verso.

Marx, Karl (1981) Capital: A Critique of Political Economy (Ben Fowkes, trans.), London/New York, Penguin Books in association with New Left review.

Mueller, Gavin (2021) Breaking Things at Work: The Luddites Are Right About Why You Hate Your Job, London, Verso.

Noble, David F. (1984) Forces of Production: A Social History of Industrial Automation, Oxford, Oxford University Press.
Turing, Alan M. (1950) Computing Machinery and Intelligence, in “Mind: A Quarterly Review of Psychology and Philosophy,” LIX(236), pp. 433-460.

منبع: نقد